Luận văn: Ước lượng kênh di động fading nhanh trên đường truyền tốc độ cao

Luận văn thạc sĩ về ước lượng kênh di động fading nhanh cho đường truyền tốc độ cao. Nghiên cứu các phương pháp nâng cao hiệu quả truyền dẫn.

• Tác giả: Nguyễn Thị Thu
• Người hướng dẫn: GS. Huỳnh Hữu Tuệ
• Trường học: Đại học Quốc gia Hà Nội - Trường Đại học Công nghệ
• Chuyên ngành: Kỹ thuật Điện tử - Viễn thông
• Đề tài: Ước lượng kênh di động với fading nhanh trên đường truyền tốc độ cao
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2006
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cảm ơn
• Lời cam đoan
• Mục lục
• Danh mục các ký hiệu, các chữ viết tắt
• Danh mục bảng
• Danh mục hình vẽ
• Mở đầu
• 1. Chương 1: Phạm vi của đồ án. Ước lượng kênh và đồng bộ trong các hệ thống OFDM
• 1.1. Giới thiệu chung về OFDM
• 1.2. Tạo các sóng mang con sử dụng IFFT
• 1.3. Thời gian bảo vệ và chu kỳ mở rộng
• 1.4. Lựa chọn các tham số OFDM
• 1.5. Kỹ thuật ước lượng kênh dựa trên việc sắp xếp pilot trong các hệ thống OFDM
• 1.6. Ước lượng kênh pilot - based của hệ thống OFDM theo phương pháp bám trễ không gian phụ
• 1.7. Kênh đa đường thay đổi theo thời gian.1
• 1.8. Xây dựng mô hình kênh truyền Rayleigh .2
• 1.9. Méo do do tác động của kênh truyền Rayleigh lên chòm sao tín hiệu .3
• 1.10. Ước lượng kênh truyền dùng chuỗi tập huấn.4
• 1.11. Ước lượng kênh truyền với hoa tiêu kiểu răng lược .5
• 1.12. Ước lượng kênh truyền với hoa tiêu kiểu răng lược và bám không gian phụ .6
• 2. Cải thiện chất lượng của SER.
• Tài liệu tham khảo.
• 1. Chương 1: Tổng quan
• 1.1. Mục tiêu luận văn
• 1.2. Phạm vi của luận văn
• 1.3. Đóng góp của luận văn
• 2. Chương 2: Ước lượng kênh trong các hệ thống OFDM
• 2.1. Giới thiệu chung về OFDM
• 2.2. Tạo các sóng mang con sử dụng IFFT
• 2.3. Thời gian bảo vệ và tiền tố vòng
• 2.4. Lựa chọn các tham số OFDM
• 3. Chương 3: Mô phỏng và kết quả

Tóm tắt

I. Tổng quan về Ước Lượng Kênh Di Động Fading Nhanh Tốc Độ Cao

Trong các hệ thống thông tin vô tuyến số, tín hiệu phát đi bị suy giảm và méo do mode truyền dẫn. Tín hiệu lan truyền qua nhiều đường tới máy thu và thường nằm trong tầm nhìn thẳng. Môi trường truyền dẫn thay đổi các đặc tính của nó theo thời gian do sự di động của máy phát hoặc máy thu. Do đó, nó được đặc tả bởi sự thay đổi theo thời gian CIR (Channel Impulse Response). Các kênh thông tin vô tuyến có tính lựa chọn theo thời gian, tần số và không gian, do đó đáp ứng xung của chúng là hàm của thời gian, tần số và không gian. Sự lựa chọn không gian kênh có thể được khai thác nếu sử dụng nhiều anten tại máy phát và máy thu. Máy thu phải được bù méo và suy hao kênh để tăng độ tin cậy của các bit đã phát. Điều này có thể thực hiện bằng cách tìm đảo của CIR. Thủ tục này được gọi là cân bằng trực tiếp. Phương pháp khác là ước lượng CIR và tách dữ liệu dựa trên kỹ thuật ước lượng kênh. Sự lựa chọn kênh có thể được tận dụng nếu sử dụng nguồn phân tập để tăng tính năng máy thu. Các hệ thống thông tin vô tuyến trong tương lai cung cấp dịch vụ dữ liệu tốc độ cao yêu cầu băng tần rộng để truyền dữ liệu tại các tần số sóng mang cao hơn do đó có phổ Doppler cao hơn tạo ra các kênh thay đổi nhanh theo thời gian trên chu kỳ thời gian rất ngắn. Trong trường hợp này phương pháp cân bằng truyền thống sự thay đổi theo thời gian của kênh qua một khoảng thời gian xác định có thể bị lỗi. Khi đó sẽ sử dụng kỹ thuật bám kênh trong hệ thống OFDM. OFDM là kỹ thuật điều chế đa sóng mang mà chuỗi dữ liệu phát được chia thành các luồng dữ liệu song song khác nhau được điều chế trên các song mang con trực giao. Do đó, kênh lựa chọn tần số tốc độ cao được tách thành các kênh con song song không lựa chọn tần số tốc độ thấp hơn. Nếu xuất hiện fading kênh tại một tần số xác định thì chỉ một phần tín hiệu đã phát bị ảnh hưởng. Nó sẽ bị ảnh hưởng ít hơn nữa nếu sử dụng mã sửa lỗi.

1.1. Tầm quan trọng của Ước Lượng Kênh trong Truyền Thông Di Động

Trong hệ thống truyền thông di động, đặc biệt là khi sử dụng các công nghệ như 5G và 6G, ước lượng kênh đóng vai trò then chốt. Việc ước lượng chính xác kênh truyền giúp máy thu có thể giải điều chế tín hiệu một cách chính xác, giảm thiểu lỗi và cải thiện hiệu suất tổng thể của hệ thống. Các yếu tố như hiệu ứng Doppler, phân tán thời gian, và phân tán tần số đều ảnh hưởng đến chất lượng kênh truyền, và việc ước lượng kênh hiệu quả giúp bù đắp những ảnh hưởng này.

1.2. Ứng dụng của Ước Lượng Kênh Fading Nhanh trong OFDM và MIMO

Kỹ thuật OFDM và MIMO được sử dụng rộng rãi trong các hệ thống truyền thông hiện đại. Trong hệ thống OFDM, việc chia kênh thành nhiều kênh con song song giúp giảm ảnh hưởng của fading chọn lọc tần số. Tuy nhiên, ước lượng kênh fading nhanh vẫn là một thách thức, đặc biệt khi tốc độ di chuyển của thiết bị tăng lên. Các thuật toán như bộ lọc Kalman và bộ lọc Wiener được sử dụng để theo dõi các thay đổi của kênh theo thời gian. Trong hệ thống MIMO, việc ước lượng kênh cho nhiều anten là cần thiết để tận dụng lợi thế của đa dạng không gian, nhưng cũng làm tăng độ phức tạp của quá trình ước lượng.

II. Thách Thức và Vấn Đề trong Ước Lượng Kênh Tốc Độ Cao

Ước lượng kênh truyền fading nhanh, tốc độ cao đặt ra nhiều thách thức đáng kể. Kênh truyền thay đổi liên tục do chuyển động của thiết bị di động, sự phản xạ, tán xạ của tín hiệu, và các yếu tố môi trường khác. Các thuật toán ước lượng kênh cần phải đủ nhanh và chính xác để theo dõi những thay đổi này. Ngoài ra, các yếu tố như nhiễu, giao thoa, và sự không hoàn hảo của phần cứng cũng có thể ảnh hưởng đến chất lượng ước lượng. Việc thiết kế các thuật toán ước lượng kênh hiệu quả đòi hỏi sự cân bằng giữa độ phức tạp tính toán, độ chính xác và khả năng thích ứng với các điều kiện kênh khác nhau. Các hệ thống truyền thông hiện đại sử dụng các kỹ thuật tiên tiến như machine learning ước lượng kênh và deep learning ước lượng kênh để giải quyết những thách thức này. Các trích dẫn và dẫn chứng quan trọng từ các tài liệu gốc cho thấy tầm quan trọng của việc phát triển các thuật toán ước lượng kênh có độ tin cậy cao để đảm bảo hiệu suất của hệ thống truyền thông.

2.1. Ảnh hưởng của Hiệu Ứng Doppler và Phân Tán Thời Gian

Hiệu ứng Doppler và phân tán thời gian là hai trong số những yếu tố chính gây khó khăn cho việc ước lượng kênh di động. Hiệu ứng Doppler gây ra sự dịch tần số của tín hiệu do chuyển động tương đối giữa máy phát và máy thu, làm thay đổi đặc tính của kênh theo thời gian. Phân tán thời gian, hay còn gọi là trễ đa đường, xảy ra khi tín hiệu đến máy thu theo nhiều đường khác nhau với các độ trễ khác nhau, gây ra hiện tượng giao thoa giữa các tín hiệu. Các thuật toán ước lượng kênh fading nhanh cần phải có khả năng bù đắp cả hai hiệu ứng này để đảm bảo độ chính xác.

2.2. Giới Hạn của Các Phương Pháp Ước Lượng Kênh Truyền Thống

Các phương pháp ước lượng kênh truyền thống, như sử dụng các chuỗi huấn luyện hoặc các tín hiệu hoa tiêu, có thể không đủ hiệu quả trong môi trường fading nhanh và tốc độ cao. Việc truyền các tín hiệu huấn luyện làm giảm hiệu quả sử dụng băng thông, trong khi các thuật toán ước lượng dựa trên tín hiệu hoa tiêu có thể gặp khó khăn trong việc theo dõi sự thay đổi nhanh chóng của kênh. Các phương pháp hiện đại như machine learning ước lượng kênh và deep learning ước lượng kênh đang được nghiên cứu và phát triển để vượt qua những hạn chế này.

III. Phương Pháp Ước Lượng Kênh Dựa Trên Hoa Tiêu cho Fading Nhanh

Một giải pháp để ước lượng kênh trong OFDM là phát các biểu tượng đạo tần đã biết trên các sóng mang con xác định. Chỉ ra chỉ số các tần số sóng mang con đạo tần. Tạo với P và giả sử rằng các biểu tượng được lấy ra từ một nhóm PSK, kênh được ước lượng sử dụng sơ đồ sau: H' (n, K') = Y (n, K') u * (n, K') = H (n, K') + W (n, K') u * (n, K') (K' ∈P). CFR của dữ liệu mang các sóng mang con được ước lượng bằng việc nội suy H' (n, K') trong miền tần số hoặc miền thời gian hoặc cả miền thời gian và miền tần số. Bộ ước lượng giả thiết biết tính thống kê kênh lựa chọn kép, đây là điều kiện khó trong thực tế, ở đây kênh không quan sát được trực tiếp. Kỹ thuật ước lượng MMSE tối ưu khi tính chất thống kê kênh đã biết. Trường hợp thực tế hơn khi xem xét trường hợp mất phối hợp tính chất thống kê của kênh. Người ta chứng minh rằng, suy hao đặc tính có thể chấp nhận được nếu tương quan kênh phối hợp phổ Doppler. Bộ nội suy MMSE tối ưu được áp dụng sau khi ước lượng CFR tại các tần số đạo tần. Khi bộ ước lượng MMSE tối ưu, sự tồn tại của bộ nội suy MMSE tối ưu cũng tồn tại độc lập với tính chất thống kê kênh. Tuy nhiên, bộ nội suy có thể giảm độ nhạy tính chất thống kê kênh với dạng lọc được lựa chọn hợp lý. Biểu tượng dữ liệu đã được mã hóa sử dụng một mã có tốc độ cao hơn C1 trong khi các pilot symbol được mã hóa sử dụng một mã C2 trực giao với C1. Tại máy thu, tín hiệu đã lấy mẫu được lọc với bộ lọc phối hợp để mã hóa đạo tần, phân phối ước lượng nhiễu của CFR.

3.1. Sắp Xếp và Chèn Tín Hiệu Hoa Tiêu trong OFDM

Trong các hệ thống OFDM, việc sắp xếp và chèn tín hiệu hoa tiêu (pilot signals) đóng vai trò quan trọng trong việc ước lượng kênh di động. Tín hiệu hoa tiêu là các tín hiệu đã biết được chèn vào luồng dữ liệu truyền đi, cho phép máy thu ước lượng đặc tính của kênh truyền. Có nhiều cách sắp xếp tín hiệu hoa tiêu khác nhau, như phân bố đều trên các kênh con (comb-type pilot arrangement) hoặc phân bố theo khối (block-type pilot arrangement). Việc lựa chọn cách sắp xếp hoa tiêu phù hợp phụ thuộc vào đặc tính của kênh truyền và yêu cầu về hiệu suất của hệ thống.

3.2. Thuật Toán Ước Lượng Kênh Dựa Trên Bình Phương Tối Thiểu LS và MMSE

Hai thuật toán phổ biến để ước lượng kênh di động dựa trên tín hiệu hoa tiêu là bình phương tối thiểu (LS - Least Squares) và ước lượng trung bình phương tối thiểu (MMSE - Minimum Mean Square Error). Thuật toán LS đơn giản và dễ thực hiện, nhưng có thể không chính xác trong môi trường nhiễu cao. Thuật toán MMSE phức tạp hơn, nhưng cung cấp độ chính xác cao hơn bằng cách tận dụng thông tin thống kê về kênh truyền và nhiễu. Trong thực tế, các biến thể của thuật toán MMSE, như MMSE tuyến tính (LMMSE), thường được sử dụng để giảm độ phức tạp tính toán.

IV. Ứng Dụng Machine Learning và Deep Learning cho Ước Lượng Kênh

Các thuật toán ước lượng kênh di động truyền thống có thể gặp khó khăn trong việc xử lý các kênh truyền phức tạp và thay đổi nhanh chóng. Trong những năm gần đây, machine learning ước lượng kênh và deep learning ước lượng kênh đã nổi lên như những phương pháp đầy hứa hẹn để giải quyết vấn đề này. Các mô hình học máy có thể được huấn luyện để dự đoán đặc tính của kênh truyền dựa trên dữ liệu lịch sử, giúp cải thiện độ chính xác và khả năng thích ứng của quá trình ước lượng. Các mô hình deep learning, như mạng nơ-ron tích chập (CNN) và mạng nơ-ron hồi quy (RNN), đặc biệt hiệu quả trong việc trích xuất các đặc trưng phức tạp từ dữ liệu kênh truyền, cho phép ước lượng chính xác hơn.

4.1. Huấn Luyện Mô Hình Ước Lượng Kênh Sử Dụng Dữ Liệu Thực Tế

Để đạt được hiệu suất cao trong ước lượng kênh di động, các mô hình machine learning ước lượng kênh và deep learning ước lượng kênh cần được huấn luyện bằng dữ liệu thực tế. Dữ liệu này có thể được thu thập từ các hệ thống truyền thông thực tế hoặc được tạo ra bằng cách sử dụng các mô hình kênh truyền phức tạp. Quá trình huấn luyện bao gồm việc điều chỉnh các tham số của mô hình để giảm thiểu sai số giữa dự đoán của mô hình và giá trị thực tế của kênh truyền. Việc sử dụng dữ liệu đa dạng và đại diện là rất quan trọng để đảm bảo khả năng khái quát hóa của mô hình.

4.2. Triển Khai và Tối Ưu Mô Hình Machine Learning Ước Lượng Kênh

Sau khi được huấn luyện, các mô hình machine learning ước lượng kênh và deep learning ước lượng kênh cần được triển khai trong các hệ thống truyền thông thực tế. Việc triển khai đòi hỏi sự tối ưu về độ phức tạp tính toán và tiêu thụ năng lượng để đáp ứng các yêu cầu về hiệu suất của hệ thống. Các kỹ thuật như lượng tử hóa mô hình, tỉa thưa mô hình, và tối ưu phần cứng có thể được sử dụng để giảm độ phức tạp của mô hình. Ngoài ra, việc theo dõi và điều chỉnh mô hình liên tục trong quá trình hoạt động có thể giúp duy trì hiệu suất cao trong môi trường kênh truyền thay đổi.

V. Triển Vọng và Hướng Nghiên Cứu Tương Lai trong Ước Lượng Kênh

Lĩnh vực ước lượng kênh di động vẫn còn nhiều hướng nghiên cứu đầy tiềm năng. Việc phát triển các thuật toán ước lượng kênh có độ chính xác cao, độ phức tạp thấp và khả năng thích ứng tốt với các môi trường kênh truyền khác nhau là một mục tiêu quan trọng. Các kỹ thuật mới như học tăng cường (reinforcement learning) và meta-learning có thể được sử dụng để cải thiện khả năng học hỏi và thích ứng của các mô hình machine learning ước lượng kênh và deep learning ước lượng kênh. Ngoài ra, việc tích hợp thông tin từ nhiều nguồn khác nhau, như thông tin về vị trí địa lý và thông tin về môi trường xung quanh, có thể giúp cải thiện độ chính xác của quá trình ước lượng.

5.1. Ước Lượng Kênh Cho Các Hệ Thống Truyền Thông Thế Hệ Mới 6G

Các hệ thống truyền thông thế hệ mới (6G) dự kiến sẽ yêu cầu tốc độ truyền dữ liệu cao hơn, độ trễ thấp hơn và khả năng kết nối lớn hơn so với các hệ thống hiện tại. Điều này đặt ra những thách thức mới cho việc ước lượng kênh di động, đòi hỏi các thuật toán phải có khả năng xử lý các kênh truyền phức tạp và thay đổi nhanh chóng. Các kỹ thuật như học liên tục (continual learning) và học chuyển giao (transfer learning) có thể giúp các mô hình học máy thích ứng với các điều kiện kênh truyền mới mà không cần huấn luyện lại từ đầu.

5.2. Kết Hợp Ước Lượng Kênh với Các Kỹ Thuật Khác Mã Hóa Điều Chế

Việc kết hợp ước lượng kênh di động với các kỹ thuật khác, như mã hóa và điều chế, có thể giúp cải thiện hiệu suất tổng thể của hệ thống truyền thông. Ví dụ, thông tin về đặc tính của kênh truyền có thể được sử dụng để tối ưu các tham số của bộ mã hóa và bộ điều chế, giúp giảm thiểu lỗi và tăng tốc độ truyền dữ liệu. Các kỹ thuật như mã hóa thích ứng (adaptive coding) và điều chế thích ứng (adaptive modulation) có thể được sử dụng để tận dụng thông tin ước lượng kênh và cải thiện hiệu suất của hệ thống.

VI. Kết luận Tối ưu Ước Lượng Kênh Fading Nhanh cho Tốc độ cao

Nội dung: Tối ưu hóa ước lượng kênh fading nhanh tốc độ cao là yếu tố sống còn để đảm bảo hiệu suất của hệ thống thông tin di động hiện đại. Các nghiên cứu tiếp tục khám phá các phương pháp mới để tăng cường độ chính xác và hiệu quả năng lượng, đảm bảo rằng các thiết bị di động có thể duy trì kết nối đáng tin cậy và tốc độ dữ liệu cao. Việc lựa chọn các giải pháp kỹ thuật tốt nhất đòi hỏi xem xét cân đối giữa độ phức tạp tính toán và yêu cầu hiệu suất.

6.1. Tóm tắt Các Phương Pháp Ước Lượng Kênh Hiệu Quả Nhất

Tóm tắt ngắn gọn những ưu điểm và nhược điểm của từng phương pháp chính để hỗ trợ quá trình lựa chọn chiến lược thực tế.Các kỹ thuật quan trọng phải bao gồm cả kỹ thuật truyền thống và kỹ thuật mới, như là Machine Learning và Deep Learning.

6.2. Các Bước Tiếp Theo để Nâng Cao Ước Lượng Kênh Tốc Độ Cao

Bàn luận về các bước tiềm năng có thể tối đa hóa các kỹ thuật ước lượng kênh hơn nữa, tập trung vào tiềm năng của AI và các phương pháp kết hợp.Các bước này nên làm rõ những thách thức hiện hữu và làm thế nào có thể vượt qua chúng, tạo ra hướng đi cho các nghiên cứu trong tương lai.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN THỊ THU Ước lượng kênh di động với FADING nhanh trên đường truyền tốc độ cao luËn v¨n th¹c Sü KỸ THUẬT ĐIỆN TỬ - VIỄN THÔNG Hµ néi - 2006 TIEU LUAN MOI download : [e-mail] ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN THỊ THU Ước lượng kênh di động với FADING nhanh trên đường truyền tốc độ cao Mã số : 2.00 luËn v¨n th¹c Sü KỸ THUẬT ĐIỆN TỬ - VIỄN THÔNG Người hướng dẫn khoa học: GS. Huỳnh Hữu Tuệ Hµ néi - 2006 TIEU LUAN MOI download : [e-mail] Lêi c¶m ¬n C«ng viÖc nghiªn cøu luËn v¨n nµy ®−îc thùc hiÖn d−íi sù h−íng dÉn cña thÇy gi¸o, GS.TSKH Huúnh H÷u TuÖ.Lêi ®Çu tiªn, em xin bµy tá lßng c¶m ¬n ch©n thµnh tíi ThÇy, ThÇy ®· h−íng dÉn vµ hç trî em trong qu¸ tr×nh nghiªn cøu hoµn thµnh luËn v¨n tèt nghiÖp. §ång thêi t«i xin ®−îc c¶m ¬n c¸c ®ång nghiÖp và bạn bÌ ®· ®éng viªn t«i trong khi thùc hiÖn ®Ò tµi. Lêi cuèi, t«i xin ®−îc bµy tá lßng c¶m ¬n s©u s¾c tíi gia ®×nh , nguån ®éng lùc vµ lu«n s¸t c¸nh cïng t«i, gióp t«i hoµn thµnh tèt luËn v¨n tèt nghiÖp nµy.

Hµ Néi ngµy 21 th¸ng 10 n¨m 2006 Häc Viªn NguyÔn ThÞ Thu 1 TIEU LUAN MOI download : [e-mail] LêI CAM §OAN T«i xin cam ®oan ®Ò tµi luËn v¨n cña t«i kh«ng trïng lÆp víi c¸c ®Ò tµi khãa tr−íc. Néi dung luËn v¨n kh«ng sao chÐp cña bÊt kú b¶n luËn v¨n nµo. NÕu cã g× gian lËn t«i sÏ chÞu hoµn toµn tr¸ch nhiÖm. Hµ Néi, ngµy 30 th¸ng 11 n¨m 2005 Ng−êi cam ®oan Häc viªn: NguyÔn thÞ Thu 2 TIEU LUAN MOI download : [e-mail] Môc lôc Trang Lêi cam ®oan 2 Môc lôc 3 Danh môc c¸c ký hiÖu, c¸c tõ viÕt t¾t 4 Danh môc b¶ng 6 Danh môc h×nh vÏ 7 Më ®Çu 9 Ch−¬ng 1.

Ph¹m vi cña ®å ¸n. ¦íc l−îng kªnh vµ ®ång bé trong c¸c hÖ thèng OFDM. Giíi thiÖu chung vÒ OFDM. T¹o c¸c sãng mang con sö dông IFFT.

Thêi gian b¶o vÖ vµ chu kú më réng. Lùa chän c¸c tham sè OFDM. Kü thuËt −íc l−îng kªnh dùa trªn viÖc s¾p xÕp pilot trong c¸c hÖ thèng OFDM. ¦íc l−îng kªnh pilot - based cña hÖ thèng OFDM theo ph−¬ng ph¸p b¸m trÔ kh«ng gian phô.

Kªnh ®a ®−êng thay ®æi theo thêi gian.1 X©y dùng m« h×nh kªnh truyÒn Rayleigh .2 MÐo do do t¸c ®éng cña kªnh truyÒn Rayleigh lªn chßm sao tÝn hiÖu .3 −íc l−îng kªnh truyÒn dïng chuçi tËp huÊn.4 −íc l−îng kªnh truyÒn víi hoa tiªu kiÓu r¨ng l−îc .5 −íc l−îng kªnh truyÒn víi hoa tiªu kiÓu r¨ng l−îc vµ b¸m kh«ng gian phô .6 C¶i thiÖn chÊt l−îng cña SER. 68 Tµi liÖu tham kh¶o.70 3 TIEU LUAN MOI download : [e-mail] DANH MôC C¸C Ký HIÖU, C¸C CH÷ VIÕT T¾T ADSL Asymmetric - Digital Subscriber Loop M¹ch vßng thuª bao sè AR Auto – Regressive Tù ®Ö quy AWGN Additive white gaussian noise NhiÔu Gauss céng tr¾ng BPSK Binary phase shift keying Khãa dÞch pha hai møc CIR Channel Impulse Response §¸p øng xung kªnh CP Cyclic Prefix TiÒn tè vßng CFR Channel Frequency Response §¸p øng tÇn sè kªnh DQPSK Differential Quadrature phase shift Khãa dÞch pha cÇu ph−¬ng vi keying sai DFT Discrete Fourier Transform BiÕn ®æi Fourier rêi r¹c DAB Digital Audio broadcasting Ph¸t thanh sè qu¶ng b¸ DVB-T Digital Television broadcast TruyÒn h×nh sè qu¶ng b¸ FFT Fast Fourier Transform BiÕn ®æi Fourier nhanh GSM Global system for Mobile HÖ thèng th«ng tin di ®éng Communication toµn cÇu IFFT Inverse Fast Fourier Transform BiÕn ®æi Fourier nhanh ng−îc ICI Intercarrier Interference Giao thoa xuyªn sãng mang IBI Inter Block Interference Giao thao xuyªn khèi IDFT Inverse Discrete Fourier Transform: BiÕn ®æi Fourier rêi r¹c ng−îc LOS Line of sight TÇm nh×n th¼ng LS Least square B×nh ph−¬ng tèi thiÓu LMS Least Mean Square Trung b×nh ph−¬ng tèi thiÓu MDL Minimum Description Lengh ChiÒu dµi m« t¶ tèi thiÓu MSE Mean Square Error Sai sè trung b×nh ph−¬ng MMSE Minimum Mean Square estimation ¦íc l−îng trung b×nh ph−¬ng tèi thiÓu MC- Multi carier Code division multi access §a truy nhËp ph©n chia theo CDMA m· ®a sãng mang 4 TIEU LUAN MOI download : [e-mail] ML Maximum - Likelihood Hîp lÏ tèi −u MODEM Modulation and Demodulation §iÒu chÕ vµ gi¶i ®iÒu chÕ MISO Multi Input - Sigle Output NhiÒu ®Çu vµo - mét ®Çu ra MIMO Multi Input - Multy Output NhiÒu ®Çu vµo - nhiÒu ®Çu ra OFDM Orthogonal frequency division GhÐp kªnh ph©n chia tÇn sè multiplexing trùc giao QAM Quadrature amplitude modulation §iÒu chÕ biªn ®é cÇu ph−¬ng QPSK Quadrature phase shift keying Khãa dÞch pha bèn møc SNR Signal - to noise ratio TØ sè tÝn hiÖu trªn nhiÔu ST Subspace - Tracking B¸m kh«ng gian con SAT Subspace – Amplitude §é lín kh«ng gian con TDMA Time Division multi Access §a truy nhËp ph©n chia thêi gian UMTS Universal Mobile Telecommunication HÖ thèng viÔn th«ng di ®éng System toµn cÇu WLAN Wireless Local Area Network M¹ng néi bé v« tuyÕn ZP Zero padding Thªm sè kh«ng 5 TIEU LUAN MOI download : [e-mail] DANH MUC B¶NG Tªn b¶ng Trang B¶ng 1. So s¸nh kü thuËt −íc l−îng kªnh trong miÒn thêi gian vµ 28 tÇn sè cho OFDM. B¶ng 2: Tæng quan vÒ ph−¬ng ph¸p −íc l−îng kªnh Subspace - 52 Based 6 TIEU LUAN MOI download : [e-mail] Danh môc h×nh vÏ Tªn h×nh vÏ Trang H×nh 2.1: Bé ®iÒu chÕ OFDM 13 H×nh 2.2: VÝ dô 3 sãng mang con trªn mét biÓu t−îng OFDM.3: ¶nh h−ëng cña ®a ®−êng víi tÝn hiÖu 0 trong kho¶ng 16 b¶o vÖ, sãng mang con thø hai bÞ trÔ do ICI trªn sãng mang con 1 vµ ng−îc l¹i.BiÓu t−îng OFDM víi chu kú më réng 17 H×nh 2.5: S¬ ®å khèi m¸y ph¸t thu OFDM.6 M« h×nh b¨ng gèc cña hÖ thèng OFDM.

HÖ thèng OFDM b¨ng gèc 36 Hình 2.Mẫu hoa tiêu răng lược 44 H×nh 2.9: M« h×nh hÖ thèng OFDM b¨ng c¬ së.S¬ ®å khèi thuËt to¸n ST 50 H×nh 2.S¬ ®å khèi to¸n SAT 50 H×nh 3.1 §¸p øng xung cña kªnh truyÒn Rayleigh 59 H×nh 3.2 §¸p øng tÇn sè cña kªnh truyÒn Rayleigh 59 H×nh 3.3 Chßm sao QAM16 lý t−ëng 60 H×nh 3.4 Chßm sao QAM16 khi chÞu t¸c ®éng nhiÔu tr¾ng Gauss 60 H×nh 3.5 Chßm sao QAM16 khi chÞu thªm nhiÔu Rayleigh 61 H×nh 3.6 ¦íc l−îng kªnh sö dông chuçi tËp huÊn 62 H×nh 3.7 S¬ ®å SIMULINK cña khèi ®iÒu chÕ OFDM 62 H×nh 3.8 S¬ ®å SIMULINK cña khèi gi¶i ®iÒu chÕ OFDM 63 H×nh 3. S¬ ®å SIMULINK cña khèi −íc l−îng kªnh 63 H×nh 3. SNR vµ BER dïng chuçi tËp huÊn.11 HÖ thèng OFDM cã sö dông tÝn hiÖu hoa tiªu kiÓu 65 r¨ng l−îc 7 TIEU LUAN MOI download : skknchat@gmail.12 Bï kªnh fading vµ Gauss dïng tÝn hiÖu hoa tiªu 65 H×nh 3.13 SNR vµ BER cña hÖ thèng OFDM dïng hoa tiªu kiÓu 65 r¨ng l−îc H×nh 3.14 Xö lý bï t¸c ®éng kªnh truyÒn t¹i bé thu 66 H×nh 3.15 So s¸nh c¸c ph−¬ng ph¸p −íc l−îng kªnh 66 H×nh 3.16 C¶i thiÖn chÊt l−îng cña −íc l−îng kªnh dïng m· ho¸ 67 H×nh 3.17 §¸nh gi¸ chÊt l−îng −íc l−îng kªnh 67 8 TIEU LUAN MOI download : [e-mail] Më ®Çu Trong c¸c hÖ thèng th«ng tin v« tuyÕn sè, tÝn hiÖu ph¸t ®i bÞ suy gi¶m vµ mÐo do mode truyÒn dÉn. TÝn hiÖu lan truyÒn qua nhiÒu ®−êng tíi m¸y thu vµ th−êng n»m trong tÇm nh×n th¼ng.

M«i tr−êng truyÒn dÉn thay ®æi c¸c ®Æc tÝnh cña nã theo thêi gian do sù di ®éng cña m¸y ph¸t hoÆc m¸y thu. Do ®ã, nã ®−îc ®Æc t¶ bëi sù thay ®æi theo thêi gian CIR (Channel Impulse Response). C¸c kªnh th«ng tin v« tuyÕn cã tÝnh lùa chän theo thêi gian, tÇn sè vµ kh«ng gian, do ®ã ®¸p øng xung cña chóng lµ hµm cña thêi gian, tÇn sè vµ kh«ng gian. Sù lùa chän kh«ng gian kªnh cã thÓ ®−îc khai th¸c nÕu sö dông nhiÒu anten t¹i m¸y ph¸t vµ m¸y thu.

M¸y thu ph¶i ®−îc bï mÐo vµ suy hao kªnh ®Ó t¨ng ®é tin cËy cña c¸c bÝt ®· ph¸t. §iÒu nµy cã thÓ thùc hiÖn b»ng c¸ch t×m ®¶o cña CIR. Thñ tôc nµy ®−îc gäi lµ c©n b»ng trùc tiÕp. Ph−¬ng ph¸p kh¸c lµ −íc l−îng CIR vµ t¸ch d÷ liÖu dùa trªn kü thuËt −íc l−îng kªnh.

Sù lùa chän kªnh cã thÓ ®−îc tËn dông nÕu sö dông nguån ph©n tËp ®Ó t¨ng tÝnh n¨ng m¸y thu. C¸c hÖ thèng th«ng tin v« tuyÕn trong t−¬ng lai cung cÊp dÞch vô d÷ liÖu tèc ®é cao yªu cÇu b¨ng tÇn réng ®Ó truyÒn d÷ liÖu t¹i c¸c tÇn sè sãng mang cao h¬n do ®ã cã phæ Doppler cao h¬n t¹o ra c¸c kªnh thay ®æi nhanh theo thêi gian trªn chu kú thêi gian rÊt ng¾n. Trong tr−êng hîp nµy ph−¬ng ph¸p c©n b»ng truyÒn thèng sù thay ®æi theo thêi gian cña kªnh qua mét kho¶ng thêi gian x¸c ®Þnh cã thÓ bÞ lçi. Khi ®ã sÏ sö dông kü thuËt b¸m kªnh trong hÖ thèng OFDM.

OFDM lµ kü thuËt ®iÒu chÕ ®a sãng mang mµ chuçi d÷ liÖu ph¸t ®−îc chia thµnh c¸c luång d÷ liÖu song song kh¸c nhau ®−îc ®iÒu chÕ trªn c¸c song mang con trùc giao. Do ®ã, kªnh lùa chän tÇn sè tèc ®é cao ®−îc t¸ch thµnh c¸c kªnh con song song kh«ng lùa chän tÇn sè tèc ®é thÊp h¬n. NÕu xuÊt hiÖn fading kªnh t¹i mét tÇn sè x¸c ®Þnh th× chØ mét phÇn tÝn hiÖu ®· ph¸t bÞ ¶nh h−ëng. Nã sÏ bÞ ¶nh h−ëng Ýt h¬n n÷a nÕu sö dông m· söa lçi.

¦u ®iÓm chÝnh cña hÖ thèng OFDM lµ dÔ thùc hiÖn bëi DFT (Discrete Fourier Transform - BiÕn ®æi Fourier rêi r¹c). VÊn ®Ò ®ång bé trong hÖ thèng OFDM lµ nhiÖm vô rÊt quan träng. NÕu lçi ®ång bé thêi gian nhá h¬n chiÒu 9 TIEU LUAN MOI download : [e-mail] dµi CP (Cyclic Prefix) th× kh«ng cã suy hao ®Æc tÝnh do tÝnh chÊt DFT. NÕu lçi ®ång bé lín h¬n CP th× suy hao ®Æc tÝnh lµ ®¸ng kÓ.

Sù c©n b»ng cña tÝn hiÖu OFDM th−êng ®−îc thùc hiÖn trong miÒn tÇn sè víi ®¶o cña −íc l−îng ®¸p øng tÇn sè kªnh. Do ®ã, ph¶i −íc l−îng ®¸p øng xung kªnh hoÆc ®¸p øng tÇn sè kªnh. LuËn v¨n ®−îc chia lµm 3 ch−¬ng: Ch−¬ng 1: Tæng quan. Giới thiệu chung vÒ mục đÝch nghiªn cøu luËn v¨n.

Ch−¬ng 2: Kü thuËt −íc l−îng kªnh vµ ®ång bé trong c¸c hÖ thèng OFDM.Tr×nh bày c¸c kü thuËt −íc l−îng kªnh trong hÖ thèng OFDM. Ch−¬ng 3: M« pháng vµ kÕt qu¶. 10 TIEU LUAN MOI download : [e-mail] Ch−¬ng 1: tæng quan 1. Môc tiªu luËn v¨n.

LuËn v¨n tËp trung vµo vÊn ®Ò −íc l−îng kªnh trong c¸c hÖ thèng th«ng tin v« tuyÕn do suy gi¶m vµ mÐo kªnh ®Ó thu ®−îc chuçi d÷ liÖu cã ®é tin cËy cao.